Dạng đóng không tồn tại cho T, nhưng cách tiếp cận rất trực quan và ổn định là thông qua thuật toán EM. Bây giờ vì sinh viên là một hỗn hợp quy mô của quy tắc, bạn có thể viết mô hình của mình dưới dạng
yi=μ+ei
nơi và w i ~ G một ( νei|σ,wi∼N(0,σ2w−1i). Điều này có nghĩa là điều kiện trênwimle chỉ là giá trị trung bình và độ lệch chuẩn. Đây là bước "M"wi∼Ga(ν2,ν2)wi
σ 2=Σiwi(yi - μ )2
μ^=∑iwiyi∑iwi
σ^2=∑iwi(yi−μ^)2n
Bây giờ bước "E" thay thế với kỳ vọng được cung cấp tất cả dữ liệu. Điều này được đưa ra là:wi
w^i=(ν+1)σ2νσ2+(yi−μ)2
vì vậy bạn chỉ cần lặp lại hai bước trên, thay thế "phía bên phải" của mỗi phương trình bằng các ước tính tham số hiện tại.
Điều này rất dễ dàng thấy các thuộc tính mạnh mẽ của phân phối t như quan sát với dư lớn nhận được ít cân trong tính toán cho vị trí , và ảnh hưởng bị chặn trong tính toán của σ 2 . Bằng cách "ảnh hưởng chặn" Tôi có nghĩa là sự đóng góp vào dự toán cho σ 2 từ quan sát thứ i không thể vượt quá một ngưỡng nhất định (đây là ( ν + 1 ) σ 2 o l d trong thuật toán EM). Ngoài ra ν là một tham số "mạnh mẽ" trong việc tăng (giảm) ν sẽ dẫn đến trọng số đồng nhất (ít hơn) và do đó độ nhạy (ít hơn) đối với các ngoại lệ.μσ2σ2(ν+1)σ2oldνν
Một điều cần lưu ý là hàm khả năng ghi nhật ký có thể có nhiều hơn một điểm dừng, vì vậy thuật toán EM có thể hội tụ sang chế độ cục bộ thay vì chế độ toàn cục. Các chế độ cục bộ có thể được tìm thấy khi tham số vị trí được bắt đầu quá gần với ngoại lệ. Vì vậy, bắt đầu từ trung vị là một cách tốt để tránh điều này.